چکیده : سرواژه bci، از عبارت brain - computer interface گرفته شده که رابط مغز- رایانه ترجمه شده است. سیستم bci، یک مسیر ارتباطی مستقیم بین مغز و دستگاه های جانبی ایجاد می کند به گونه ای که کاربر جهت ارتباط با دستگاه مورد نظر یا دنیای خارج، به هیچ گونه حرکت ماهیچه ای نیاز ندارد. در یک سیستم bci، فعالیت های مغز کاربر اندازه گیری شده و پس از پردازش های خاص، به فرمان های مناسب ترجمه شده و به دستگاه مورد نظر ارسال می شود بطوریکه گویی دستگاه مورد نظر مستقیما توسط مغز کنترل می شود. روش های مختلفی برای اندازه گیری فعالیت های مغزی ارائه شده است که در حال حاضر روش الکتروانسفالوگرافی (eeg) محبوب ترین روش اندازه گیری فعالیت های مغزی جهت طراحی یک سیستم bci است. پتانسیل های برانگیخته حالت دائم بینایی (steady state visual evoked potentials) اختصارا ssvep بیانگر نوع خاصی از فعالیت مغزی کاربر است که در اثر خیره شدن کاربر به محرک نوری چشمک زن با فرکانس بالای 6 هرتز در ناحیه پس سری مغز ظاهر می شود. بر این اساس می توان سیگنالی با همان فرکانس در ناحیه پس سری مغز ثبت کرد و با استفاده از آن یک سیستم bci طراحی کرد. برای این منظور بایستی کلاس های مختلف این سیگنال ها را از هم تفکیک کرده و به هر کدام یک فرمان تخصیص داده شود. در این تحقیق مسئله طبقه بندی کلاس های مختلف ssvep مورد بررسی قرار گرفته است. برای این منظور دو محرک نوری led با فرکانس های 15 هرتر و 20 هرتز و یک حالت بدون حضور محرک به عنوان سه کلاس مختلف فعالیت های مغزی انتخاب شده و تکنیک های مختلف پیش پردازش، استخراج ویژگی و طبقه بندی بر روی آنها مورد بررسی قرار گرفته است. در این تحقیق طول های 5/0، 1، 2 و 4 ثانیه از هر کلاس سیگنال مورد بررسی شده است. نتایج همه انواع ویژگی ها و طبقه بندی کننده ها نشان داد که با افزایش طول سیگنال مورد بررسی ویژگی ها متمایزتر شده و صحت عملکرد طبقه بندی کننده ها افزایش پیدا می کند. نتایج تحقیق نشان داده است که ویژگی های دامنه طیف فرکانس، چگالی طیف توان و ضرایب مدل اتورگرسیو برای کلاس های مختلف ssvep متمایز می باشند که در بین این ویژگی ها ضرایب مدل اتورگرسیو نسبت به سایر ویژگی ها نتایج بهتری ارائه کرده است. در مرحله طبقه بندی الگوریتم های طبقه بندی کننده بیز ساده (naïve bayes)، k تا نزدیکترین همسایگی (k nearest nighborhood : knn)، آنالیز تفکیک خطی(linear discriminant analisis : lda) و پرسپترون چندلایه (multi layer perscptron : mlp) بررسی شده است. همه طبقه بندی کننده های فوق با دقت مناسبی کلاس های مختلف را از هم تفکیک کرده اند. در بین طبقه بندی کننده ها، mlp و lda با استفاده از ویژگی های ضرایب مدل اتورگرسیو نتایج بهتری نسبت به طبقه بندی کننده های بیز ساده و knn ارائه کرده اند.

یکی از شاخه های مهم کنترل سیستم های چندعاملی, کنترل محدود نگهدارنده می باشد که می تواند کاربرد های مختلفی از جمله, ایجاد فضای امن توسط گروهی از ربات ها داشته باشد. مطالعاتی که تا کنون در حوزه کنترل محدود نگهدارنده انجام گرفته, غالبا بر روی سیستم های چندعاملی متشکل از عامل هایی با دینامیک یکسان بوده است. در کاربردهای عملی به دلیل شرایط مختلف و قیدهایی که بر روی عامل ها وجود دارد، دینامیک عامل ها می توانند متفاوت از هم باشند. دینامیک متفاوت عامل ها, حتی می تواند انعطاف پذیری سیستم را نیز افزایش دهد. بدین معنی که, سیستمی که عامل هایی با دینامیک های مختلف دارد نسبت به سیستمی با عامل های یکسان, اهداف وسیع تر و کارایی بالاتری می تواند داشته باشد. به همین جهت, مطالعه کنترل محدود نگهدارنده سیستم های چندعاملی متشکل از عامل هایی با دینامیک غیریکسان, حائز اهمیت می باشد. در این پایان نامه, به بررسی مسئله کنترل محدود نگهدارنده سیستم هایی پرداخته شده است که در آن ها دینامیک بین عامل های پیرو و سردسته و همچنین دینامیک عامل های پیرو با یکدیگر متفاوت باشند. مسئله مذکور برای دو سیستم چندعاملی مختلف مطرح شده , که یکی تحت کنترل تطبیقی و دیگری تحت تنظیم خروجی حل شده است. جهت حل مسئله, خطایی برای کنترل محدود نگهدارنده معرفی و از فرمول بندی جدیدی بر پایه ماتریس پیشنهادی h_k, بهره گرفته شده است. استفاده از خطا و ماتریس h_k این امکان را فراهم آورده است تا در تحلیل مسئله, به متغیرهای حالت عامل های سردسته دسترسی داشت که همین امر, امکان بهره گیری از روش های کنترل تطبیقی و تنظیم خروجی را جهت حل مسئله فراهم ساخته است. در روند طراحی کنترل کننده تطبیقی توزیع یافته برای سیستم چندعاملی متشکل از عامل های غیرخطی, از اطلاعات خطای عامل های همسایه و نظریه لیاپانوف بهره گرفته شده است. جهت حل مسئله برای سیستم متشکل از پیروهای خطی و عامل های سردسته ای که به صورت سیستم خارجی در نظر گرفته شده اند, خطای مرسوم در مبحث تنظیم خروجی به گونه ای اصلاح شده است که بتوان بیش از یک عامل سردسته را در نظر گرفت. جهت ارزیابی عملکرد کنترل کننده های پیشنهادی, شبیه سازی عددی نیز برای هر یک از سیستم های چندعاملی انجام گرفته که حاکی از عملکرد مناسب کنترل کننده ها می باشد.

در این پایاننامه در چارچوب کنترل تطبیقی سوئیچ دار یک طرح سوئیچینگ با دو کنترل کننده ی تطبیقی جداگانه برای کلاسی از سیستم های تک ورودی- تک خروجی غیرخطی نامعین مورد مطالعه قرار گرفته است. هدف از این روش، طراحی ساختار یک کنترل کننده ی مناسب برای دستیابی به تنظیم کلی و جامع سیستم می باشد و در این راستا تمامی حالت های سیستم حلقه بسته به صورت جامع تنظیم شده و مقدار محدودی می یابند. روش ارائه شده تأثیر قابل ملاحظه ای در همگرایی سریع تر حالت های سیستم حلقه بسته به نقطه تعادل دارد و در عین حال در کاهش نوسانات اولیه سیستم و حالت دائم نیز نقش بسزایی دارد. یکی از مزایای روش مورد نظر این است که ساختار قسمت غیرخطی و نرخ افزایش قسمت غیرخطی سیستم از قبل مشخص نمی باشد. با استفاده از کنترل کننده ی تطبیقی بهره ی دینامیکی در نظر گرفته شده در ساختار کنترل کننده با توجه به ساختار قسمت غیرخطی سیستم به روز می شود. برای دو ساختار متفاوت از سیستم های غیرخطی، روشی واحد به منظور پایدارسازی و تنظیم حالت های سیستم حلقه بسته مورد استفاده قرار گرفته است. با توجه به این که راستای کنترلی این دو ساختار معکوس هم می باشند، روش تنظیم بهره ی دو جهته در نظر گرفته شده است، به طوری که مابین کنترل کننده های تطبیقی بهره بالا و بهره پایین سوئیچ اتفاق می افتد. سوئیچ در بهره دینامیکی در زمان محدودی رخ داده و سپس بهره به مقدار ثابت، مثبت و محدودی همگرا می شود و این عمل سبب می شود که حالت های سیستم به سمت نقطه تعادل همگرا شوند. تعداد سوئیچینگ تأثیری در پایداری سیستم نمی گذارد و حالت های سیستم نهایتاً تنظیم می شوند. این روش بر روی کلاس کلی تری از سیستم های غیرخطی تعمیم داده شده است. اثبات پایداری سیستم حلقه بسته با استفاده از تابع لیاپانوف تعمیم داده شده، صورت گرفته است و هم چنین تنظیم حالت های سیستم حلقه بسته در هر دو بخش گذرا و دائم از دقت بیشتری برخوردار است. نوسان های اولیه در سیگنال کنترلی سیستم کمتر بوده و هم چنین در زمان کمتری به مقدار صفر رسیده است. نتایج شبیه سازی، نتایج تئوری حاصل شده را تایید می نماید.